論文の概要: Effective Defect Detection Using Instance Segmentation for NDI

• arxiv url: http://arxiv.org/abs/2501.14149v1
• Date: Fri, 24 Jan 2025 00:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:57:44.167652
• Title: Effective Defect Detection Using Instance Segmentation for NDI
• Title（参考訳）: NDIのためのインスタンスセグメンテーションを用いた効果的な欠陥検出
• Authors: Ashiqur Rahman, Venkata Devesh Reddy Seethi, Austin Yunker, Zachary Kral, Rajkumar Kettimuthu, Hamed Alhoori,
• Abstract要約: 超音波検査は、航空宇宙製造に用いられる一般的な非破壊検査(NDI)手法である。 超音波スキャンの複雑さとサイズは、視覚検査や機械学習モデルによる欠陥の特定を困難にしている。 本研究では, 複合パネルの超音波スキャン画像における欠陥の存在を特定するために, サンプルセグメンテーションを用いた。
• 参考スコア（独自算出の注目度）: 1.4700751484033807
• License:
• Abstract: Ultrasonic testing is a common Non-Destructive Inspection (NDI) method used in aerospace manufacturing. However, the complexity and size of the ultrasonic scans make it challenging to identify defects through visual inspection or machine learning models. Using computer vision techniques to identify defects from ultrasonic scans is an evolving research area. In this study, we used instance segmentation to identify the presence of defects in the ultrasonic scan images of composite panels that are representative of real components manufactured in aerospace. We used two models based on Mask-RCNN (Detectron 2) and YOLO 11 respectively. Additionally, we implemented a simple statistical pre-processing technique that reduces the burden of requiring custom-tailored pre-processing techniques. Our study demonstrates the feasibility and effectiveness of using instance segmentation in the NDI pipeline by significantly reducing data pre-processing time, inspection time, and overall costs.
• Abstract（参考訳）: 超音波検査は、航空宇宙製造に用いられる一般的な非破壊検査法である。 しかし、超音波スキャンの複雑さと大きさは、視覚検査や機械学習モデルによる欠陥の同定を困難にしている。 超音波スキャンから欠陥を識別するコンピュータビジョン技術は、進化する研究領域である。 本研究では, 空域で製造される実部品を表す複合パネルの超音波スキャン画像における欠陥の存在を特定するために, インスタンスセグメンテーションを用いた。 Mask-RCNN (Detectron 2) と YOLO 11 の2つのモデルを用いた。 さらに、カスタマイズされた事前処理技術を必要とする場合の負担を軽減するため、簡易な統計前処理手法を実装した。 本研究は,データ前処理時間,検査時間,全体的なコストを大幅に削減し,NDIパイプラインにおけるインスタンスセグメンテーションの実現可能性と有効性を示す。

関連論文リスト

• A Study on Unsupervised Anomaly Detection and Defect Localization using Generative Model in Ultrasonic Non-Destructive Testing [0.0]
  構造物における人工材料の劣化は深刻な社会問題となっている。 レーザー超音波可視化試験(LUVT)は、超音波伝搬の可視化を可能にする。 本稿では,異常検出手法を用いたLUVT自動検査手法を提案する。
  論文  参考訳（メタデータ） (2024-05-26T14:14:35Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Tool Wear Segmentation in Blanking Processes with Fully Convolutional Networks based Digital Image Processing [0.0]
  本稿では,600spmのツールの高解像度画像を,セマンティックセグメンテーション深層学習アルゴリズムを用いてキャプチャし,処理する方法を示す。 125,000枚のツールの画像が連続するストロークから撮影され、顕微鏡画像が観察され、摩耗面を観察する。
  論文  参考訳（メタデータ） (2023-10-06T11:40:16Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Defect detection and segmentation in X-Ray images of magnesium alloy castings using the Detectron2 framework [0.13764085113103217]
  新しい製造技術により、より複雑な形状の金属部品を製造することが可能となり、品質管理プロセスがより困難になった。 X線画像により、このプロセスはより簡単になり、表面欠陥をより単純な方法で検出できるだけでなく、溶接や鋳造の欠陥も検出できるようになった。 本研究の目的は,画像中の物体の検出とセグメンテーションに応用された最先端ライブラリである Detectron2 に基づくディープラーニングシステムを適用することである。
  論文  参考訳（メタデータ） (2022-02-28T16:53:09Z)
• Canonical Polyadic Decomposition and Deep Learning for Machine Fault Detection [0.0]
  マシンからあらゆる種類の障害を学ぶのに十分なデータを集めることは不可能である。 健康状態のみのデータを用いてトレーニングされた新しいアルゴリズムを開発し、教師なしの異常検出を行った。 これらのアルゴリズムの開発における重要な問題は、異常検出性能に影響を与える信号のノイズである。
  論文  参考訳（メタデータ） (2021-07-20T14:06:50Z)
• Generative adversarial network with object detector discriminator for enhanced defect detection on ultrasonic B-scans [0.0]
  本稿では,異なる場所に欠陥のある超音波Bスキャンを生成するための新しいディープラーニング生成適応ネットワークモデルを提案する。 生成したBスキャンを合成データ拡張に利用でき、深部畳み込みニューラルネットワークの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-06-08T12:21:21Z)
• Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
  単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。 検出精度は元の1段検出器と比べて同等か、さらに向上した。
  論文  参考訳（メタデータ） (2021-01-28T02:38:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。